社交电商数据分析与应用-基于拼多多平台的数据分析策略、方法与应用 课件 项目二 拆解社交电商的数据洞察力

项目二拆解社交电商的数据洞察力系统是由相互作用、相互依赖的若干组成部分结合而成的、具有特定功能的有机体；要从事物的总体与全局上、从要素的联系与结合上研究事物的运动与发展，找出规律、建立秩序，实现整个系统的优化。实践表明，系统观念、系统方法是解决问题过程中不可或缺的方式方法。社交电商是电商行业的一个分支，社交电商的数据分析也遵循一般电商数据分析的规律和方法。在学习过程中，引导学生学会缘事析理，搭建符合规律的、具体的数据指标体系，以系统化的思维进行数据分析的准备工作，提升数据分析职业素养。思政与素质目标项目引入怡和小店是经营食品类的拼多多小店，店铺运营晓婷只是刚入职的运营小白，面对商家后台复杂场景和时刻变化的数据，晓婷觉得很迷茫。晓婷听说数据是黄金，数据指标是指示灯，晓婷就想从了解店铺数据最基本的数据指标开始，快速为自己的店铺搭建一个数据框架体系。项目引入2课时：

课时1任务拆解任务拆解3比起主观的臆断，数据是商家最好的朋友，因为数据是买家“用脚投票”出来的结果，能切实反映商家的每个操作对买家行为的影响，以及帮助商家预测之后的调整可能会达成的效果。只有根据数据分析进行调整，才能更加心中有谱，不再盲目。社交电商的新手运营在制订各种运营策略之前，首要的任务就是理解社交电商平台的业务场景，理解电商运营的核心指标，并能看懂关键指标之间的相互关系。数据化运营的第二步就是运用数据分析方法，快速发现店铺问题。任务目录搭建社交电商店铺流量数据看板2.1整理社交电商店铺运营数据2.2运营层面来说，商家的数据搜集应该包括商品成本、店铺整体访客量、浏览量、商品排名、推广数据（包括搜索、场景、多多进宝等），以及参加活动的数据记录和每次操作调整的数据等，拼多多商家后台给商家提供了丰富的数据资源。收集这些数据的目的一是可以横向对比看出近期商品整体表现的变化，对比自身短期运营目标进行主动操作；二是在商品的某些数值突然发生变化时，可以比较方便地找出对应的原因，进行调整，而不至于一头雾水、无从下手。分析思路

任务1搭建社交电商店铺流量数据看板数据来源数据口径拼多多商家后台基础数据知识准备任务1搭建社交电商店铺流量数据看板商品数据：小到一家店铺，大到各类社交电商平台，都会有订单数据的产生，订单数据主要记录的是订单金额、收货地址及订单状态等信息。用户行为数据平台拥有用户在社交电商平台上全链路的行为数据，商家拥有用户在自己店铺消费的行为数据。运营数据不管是社交电商平台还是商家都拥有丰富的运营数据，拼多多的商家数据中心，抖音的企业号数据中心都提供了丰富的数据，如访客数、转化率、主要访问量，粉丝活跃度等核心指标。口碑评价数据以文本、图片和视频为主的数据，可反映用户对平台或商品的满意程度。数据来源数据口径也称之为统计口径，是指统计数据所采用的标准，包含统计内涵和统计范围。统计内涵即进行数据的统计的具体内涵（项目内容），如店铺的销售金额，包括全店商品的销售额，但还要扣除退款的金额。统计范围是在指标内涵基础之上的汇总区间。比如如店铺销售金额，店铺下单金额之间是统计内涵的差异，而店铺销售金额和某品类的销售金额是统计范围的差别。数据口径的统一没有对错之分，如A企业将下单金额定义为销售金额，B企业将支付金额定义为销售金额。企业在确定数据口径之时会为了某些目的，而采用不常用的规则。重要的是统一数据口径是企业开展数据分析事务的前提条件，只有统一数据口径之后分析人员方可以使用数据开展数据分析工作。数据口径交易数据支付金额：统计周期内，该店铺下所有已支付订单的总金额，包含买家实际支付和使用平台优惠券的总金额，未剔除售后订单。支付买家数：统计周期内，完成订单支付的去重买家数，即同一买家支付多笔订单，只记一人。支付订单数：统计周期内，该店铺下所有已支付订单的总数量支付客单价：统计周期内，店铺支付总金额/支付买家数（去重），即平均每个支付买家的支付金额支付转化率；统计周期内，支付买家数/商品访客数，即访客用户数转化为支付买家的比例。店铺关注用户数：统计周期内，该店铺被关注的总数量，不考虑取消关注情况。成交UV价值：统计周期内，该店铺成团订单的总金额/店铺访客数，即每一个访客的价值，包括用户实际支付和平台优惠券金额，未剔除售后订单拼多多商家后台基础数据商品数据商品访客数：统计周期内，该店铺内所有商品详情页的被访问去重人数，一个人在统计范围内访问多次，仅计算一次。商品浏览量：统计周期内，该店铺内所有商品详情页的被访问累加人次，一个人在统计范围内访问多次，则计算多次。拼多多商家后台基础数据服务数据领航员指标：领航员为衡量店铺服务能力的综合性指标，涵盖售后服务、商品品质、物流服务、客户咨询、交易纠纷等多维度，为店铺综合体验星级提供基础数据，也是商家报名大部分活动的重要指标成交退款金额：在统计时间内，该店铺成功退款订单的实际退款总金额，非申请退款金额成功退款订单数：在统计时间内，该店铺成功退款的订单总数量平台介入率：近30天有平台介入的订单数量/近30天全部成团的订单数量。成功退款率：近30天退款成功的订单数量/近30天已成团的订单数量平均退款时长：统计周期下，近30天所有退款成功的订单的平均退款时长拼多多商家后台基础数据客服数据3分钟人工回复率：（咨询人数-3分钟未人工回复累计）/咨询人数平均人工响应时长：8:00-23:00期间，买家每次发消息，到商家客服人工回复，买家所等待的平均时长。询单转化率：最终成团人数/询单人数，最终成团人数：当日询单的买家中，三日内下单并成团，且有订单绩效判定为该客服的买家人数。客服销售额：当日询单的买家，三日内下单并成团的订单总金额。消费者服务体验分：消费者服务体验分是衡量消费者服务体验的综合性指标，综合聊天、售后、介入、求助平台客服、投诉等各渠道的数据，涵盖消费者在下单后反馈的发货、物流、商品、基础服务四个维度的问题，是报名百亿补贴等活动的重要标准，直接影响搜索推荐的流量权重，也为商品领航员提供基础数据。拼多多商家后台基础数据客服数据3分钟人工回复率：（咨询人数-3分钟未人工回复累计）/咨询人数平均人工响应时长：8:00-23:00期间，买家每次发消息，到商家客服人工回复，买家所等待的平均时长。询单转化率：最终成团人数/询单人数，最终成团人数：当日询单的买家中，三日内下单并成团，且有订单绩效判定为该客服的买家人数。客服销售额：当日询单的买家，三日内下单并成团的订单总金额。消费者服务体验分：消费者服务体验分是衡量消费者服务体验的综合性指标，综合聊天、售后、介入、求助平台客服、投诉等各渠道的数据，涵盖消费者在下单后反馈的发货、物流、商品、基础服务四个维度的问题，是报名百亿补贴等活动的重要标准，直接影响搜索推荐的流量权重，也为商品领航员提供基础数据。拼多多商家后台基础数据其他数据物流服务异常率异常率：近30天物流服务异常率=近30天物流服务异常订单/（近30天物流服务异常订单*100+近30天店铺成团订单量）。物流异常订单数数：近30天虚假发货、物流时效异常、发生有效物流投诉、售后退款原因与物流相关的订单总数（收件地为新疆地区订单，除虚假发货外其余类型订单不计物流服务异常订单。拼多多商家后台基础数据

一、数据清洗和数据处理二、数据可视化

任务实施

数据可视化►数据清洗和数据处理

明确数据清洗对象：修改日期格式通过采集工具下载某拼多多店铺流量数据，包括店铺访客数，店铺浏览量，支付买家数，支付转化率，成交UV价值等内容。观察“日期”列数据发现日期列中部分数据格式不正确，需要清洗为标准日期格式。►数据清洗和数据处理

选中“日期”列切换到【数据】菜单，选择【分列】按钮►数据清洗和数据处理

进入【文本分列向导第1步】对话框，直接选择【下一步】，进入【文本分列向导第2步】对话框，取消勾选，点击进入【下一步】►数据清洗和数据处理

在【文本分列向导第3步】对话框中，选择【日期】格式，点击完成。界面回到开始页面，日期列所有不规整日期一次修改完毕►数据清洗和数据处理

增加2个时间指标：周数和月份店铺运营数据，不仅需要关注每日数据变化，还应该对比不同周数和月份的运营数据，因此需要增加周数和月份2个时间指标，并将2个指标添加到原有数据表格中，这也是数据分析中常见的增维法。►数据清洗和数据处理

步骤1插入2列空白列，第一行字段名分别为周数和月份。步骤2在周数列B2单元格输入公式：“=WEEKNUM(A2)”WEEKNUM函数：计算指定的日期属于当年的第几周。WEEKNUM函数的语法结构：WEEKNUM(serial_number,[return_type])注释：机制1以1月1日起为该年的第1周；机制2以该年的第一个星期四的周为该年的第1周，此机制是ISO8601指定的方法，通常称作欧洲周编号机制。►数据清洗和数据处理

步骤3将B2周数列的日期格式更改为数值，并下拉至该列末端字段，构建完成周数列►数据清洗和数据处理

步骤4在C2单元格输入公式:“=MONTH(A2)”(A2)”步骤5将C2周数列的日期格式更改为数值，并下拉至该列末端字段，构建完成周数列MONNTH函数的定义：返回以序列号表示的日期中的月份。月份是介于1（一月）到12（十二月）之间的整数。MONTH函数的语法：MONTH(serial_number)Serial_number

表示一个日期值，其中包含要查找的月份。应使用DATE函数来输入日期，或者将日期作为其他公式或函数的结果输入。►数据可视化1.创建店铺访客数趋势图步骤1点击菜单栏中的【插入】，在选项卡中点击【表格】，将数据格式改为表格格式►数据可视化1.创建店铺访客数趋势图步骤2：选中表格，点击菜单栏中的【插入】按钮，点击选项卡中的【数据透视表】，在弹出的对话框中，勾选“将此数据添加到数据模型”，然后点击“确定”按钮►数据可视化1.创建店铺访客数趋势图步骤3：在表格右边的“字段列表”中勾选需要分析的字段“日期”和“店铺访客数”，在“数据透视表区域”中，将“日期”和“店铺访客数”分别拖到“行”和“值”区域内►数据可视化1.创建店铺访客数趋势图步骤4：在菜单栏中的选择【插入】菜单，点击选项卡中的【折线图】，在弹出的对话框中选择“二维折线图”►数据可视化1.创建店铺访客数趋势图步骤4：在上图基础上对数据透视图进行优化，包括增加标题、坐标轴优化、加数据标签等内容，让图表可读性更强。（1）修改标题为：店铺访客数趋势，并删除右边的图示标签►数据可视化1.创建店铺访客数趋势图步骤4：在上图基础上对数据透视图进行优化，包括增加标题、坐标轴优化、加数据标签等内容，让图表可读性更强。（2）点击蓝色刷笔按钮，弹出样式和颜色选择框，根据需求调整图形样式►数据可视化1.创建店铺访客数趋势图步骤4：在上图基础上对数据透视图进行优化，包括增加标题、坐标轴优化、加数据标签等内容，让图表可读性更强。（3）鼠标右击左边任意按钮，弹出选择框，选择“隐藏字段按钮“，完成店铺访客趋势图表优化►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤1在新建的工作表中，选择【插入】菜单中的【数据透视图】按钮，在下拉选项中选择【数据透视图】►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤2在弹出【创建数据透视图】对话框中，注意数据选择“使用此工作簿的数据模型“，位置选择”现有工作表“后点击确定►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤3在数据透视图字段窗口，把“日期“字段放到【轴】中，把”支付转化率“放到【值】中，数据透视图默认柱状图►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤4选中数据透视图，鼠标右键，在弹出的菜单条中，选择【更改图表类型】，在弹出【更改图表类型】对话框中选择【折线图】►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤5调整优化“支付转化率趋势图“►数据可视化2.依次创建支付转化率，支付客单价，成交UV价值等趋势图步骤6依次制作并优化“支付客单价趋势图“和”成交UV趋势图“，至此完成4个指标的趋势图►数据可视化3.制作周切片器步骤1选中任意数据透视图，菜单栏中会出现【数据透视图分析】菜单，选中该菜单后，在工具栏中，找到【插入切片器】按钮，弹出切片器选择窗口，勾选“周数“后点击”确定“按钮►数据可视化3.制作周切片器步骤2在【切片器】菜单栏里，【列】数值改为“5”，【切片器题注明】改为“店铺周日期”，在【切片器样式】中选择合适样式►数据可视化3.制作周切片器步骤3在在【切片器】菜单栏里，点击【报表连接】，弹出【数据透视表报表连接】对话框，把需要连接的图表选中后，点击“确定”按钮。►数据可视化3.制作周切片器步骤4调整个趋势图布局后，以周为统计周期的运营看板基本完成►数据可视化3.制作周切片器步骤5依次选中各趋势图的右边【+】号按钮，在弹出选项卡中，勾选【数据标签】►数据可视化3.制作周切片器步骤6选择“支付转化率趋势图”的数据标签进行细节调整，在【数字】选项中，将【类别】选项改为“百分比”，【小数位数】改为“2”►数据可视化3.制作周切片器步骤7调整趋势图样式和颜色，完成店铺流量简易看板制作。►分析结论通过数据可视化形成的店铺流量数据看板显示，该店铺还是处于新开店流量不稳定状态，访客数呈上升趋势，支付转化率，支付客单价和成交UV价值指标都有较大的波动。我们需要注意，刚开始进行数据搜集和分析时，在历史数据积累较少的情况下，由于缺乏与过往的对比，我们基于过去一、两天的数据做出的判断很多时候是不准确的。当前数据是好是坏、趋势如何，很多时候需要积累数周，乃至几个月的数据进行判断，才会更加准确。通过建立店铺流量看板，可以及时观察店铺流量发展趋势，找出关键指标的拐点，然后进行拆解分析。任务目录搭建社交电商店铺流量数据看板2.1整理社交电商店铺运营数据2.2任务2市场趋势分析数据的真正价值是将数据用于形成主动收集数据的良性循环中，以带动更多的数据进入这个自循环中，并应用于各个运营阶段。正如著名大数据专家车品觉在《决战大数据》书中提到的：“在数据的自循环中，有两个核心的关键点：一个是“活”做数据收集，另一个是“活”看数据指标。”，因此作为社交电商数据运营的从业者，第一步要做的就是养数据。分析思路

任务1.2整理社交电商店铺运营数据数据分类数据价值战略性收集数据知识准备

任务1.2整理社交电商店铺运营数据任务2市场趋势分析数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。换句话说，就是相同内容、相同性质的信息以及要求统一管理的信息集合在一起，而把相异的和需要分别管理的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分类系统。按照是否可以再生的标准来看，数据可以分为不可再生数据和可再生数据。不可再生数据通常就是最原始的数据，比如用户在访问网站时，浏览记录会追踪用户的行为，如果当时没有被记录下来，就没有其他数据来还原用户的行为了。可再生数据就是通过其他数据可以生成的数据，原则上，指标类数据的衍生数据都是可再生的——只要原始的不可再生数据还在，就可以通过重新运算来获得。按照数据业务归属来看，数据可以分为各个数据主体。按照业务归属分类的意思就是，将数据按照不同的业务主体分门别类地进行归纳。比如社交电商企业就需要关注交易类数据、会员类数据、日志类数据并在不同业务场景下应用。数据分类任务2市场趋势分析数据的价值从社交电商企业的业务实践中看，一个方面是给企业创造营收，另一个方面就是给企业节省成本。数据价值体现的常用的10大业务场景包含但不局限于以下10类场景。数据诊断：针对店铺的数据诊断分析运营过程中存在的问题；数据复盘：针对某个事件对各个工作环节产生的数据进行梳理，并还原事件的过程；市场分析：针对市场的市场容量分析和趋势分析，掌握市场趋势预测市场未来趋势；竞争分析：针对竞争环境和竞品的分析，掌握市场竞争情况以及产品与市场的差异；渠道分析：供决策依据，包含活动分析、广告分析和内容分析。活动分析：针对促销活动的效果预测、复盘分析、客户对促销的响应分析，提高促销效果；数据价值任务2市场趋势分析数据对于社交电商运营者而言是一盏指明灯，如果说数据是运营的眼睛，那么数据分析便是运营的视力，一样的数据给不同的运营会有不同的决策结果，每个人看到的都是基于自己的视力水平呈现的结果。广告分析：针对网店广告投放的效果进行分析，从而根据战略目标优化广告投放；产品分析：针对产品的销售、渠道、时间、结构等维度对产品的销售情况进行分析，更好地优化产品营销策略，提高产品销售额；库存分析：针对库存的绩效分析、补货预测等分析，避免库存堆积产生不良库存；客户分析：针对网店客户的生命周期、复购情况、满意度等分析，避免客户流失，提高客户的留存率；数据价值任务2市场趋势分析现在企业获取数据如此容易，数据的增长速度如此之快，但到底要收集什么样的数据？收集多少数据？收集数据的边界在哪里？这些问题一直困扰着数据运营的从业者，如果收集数据的出发点不是为了解决问题，那么收集再多的数据也没有什么意义，因此从战略性的角度考虑收集数据就显得尤为重要。步骤1确定有什么问题，从解决问题的角度出发去收集数据。比如重复购买率指标，可以衡量出每个月新增及存量客户的忠诚度和质量，进而找出改善的空间任务实施，所以他的就应该关注的是日、周级别的重复购买率的变化趋势，或者当月新增客户有多少人在三个月后进行了重复购买等数据。步骤2，把收集到的数据整理好，放入一个“数据框架”内（这个框架是用来帮助决策者做决定的）。让决策者用框架更清楚地看到数据与决策之间的关系，比如A公司在框架内要知道竞争情况、新老客户的比例情况等因素以及多种因素之间的关系。步骤3，看框架与做决策的关系。比如，A公司与渠道网站有3种选择——完全不合作、部分合作和全面合作。数据分析师就可以根据数据框架告知A公司该怎么决策。如果发现数据框架与决策不能匹配，就必须返回到第2步。步骤4，根据决策行动，然后检查行动是否达到目的。如果行动后发现根本没有达到目的，就要检讨整个链条，寻找问题出在哪里。是数据有问题吗？还是因为框架不对？或者是决策不对？是否还有数据没考虑进去？战略性收集数据

一、构建日常数据运营指标体系

二、熟悉数据中心，掌握店铺经营概况三、洞察商品数据，做好商品布局四、监控交易数据，随时发现运营盲点五、时刻关注服务数据，找出店铺服务差距六、拆解流量数据，及时调整运营节奏任务实施

任务实施任务2市场趋势分析分析思路

任务2.2整理社交电商店铺运营数据拼多多商家后台不仅是拼多多商家参与拼多多各项活动的主要入口，同时也是是拼多多为店铺提供了各类数据的入口，因此作为数据化运营拼多多店铺来说，需要从多个角度熟悉商家后台提供的数据类型，不仅要做到看懂数据，更要做到有效积累数据。以销售指标体系为例拆解了7个具体指标，并对每个指标进行了定义解释，分析内容，统计周期及面向岗位的说明。社交电商运营的核心是围绕着产品进行各种运营活动，从而提升整个店铺的销售业绩，因此在整个运营指标体系中，销售指标体系的搭建就显得极其重要。►1构建日常数据运营指标体系（1） 数据中心的经营总览是56个维度数据的总看板，56个维度分别是经营评测，预警数据，交易数据，商品数据，服务数据和客服数据，这些数据是卖家每天必看的，而且查看的频次还比较高，整个经营总览页就是一个完整的店铺经营概况。►2熟悉数据中心，掌握店铺经营概况

（2）经营评测板块包含经营评分和经营计划两个部分►2熟悉数据中心，掌握店铺经营概况

拼多多店铺经营评分：总分为100分，是基于昨日表现综合评价与同一层级商户进行排行得分，层级上升时，评分可能会出现轻微下降。整个经营评分和店铺的商品品质，推广能力，服务质量以及用户粘性相关。层级和店铺近30天交易额有关。（2）经营评测板块包含经营评分和经营计划两个部分►2熟悉数据中心，掌握店铺经营概况

店铺经营计划是根据企业自己定制的目标计划，根据实时销售数据展现目标达成率，因此企业经营目标需要企业根据自己的计划自行设置后，才有完成计划完成率等数据指标显示（1）商品概况页面中，商家可以看到商品实时数据（时间粒度为妙），和4个时间维度（昨天数据，近7天数据，近30天数据以及指定日期）的商品访客数，商品浏览量，支付买家数，支付订单数以及支付转化率总计5个数据指标。►3洞察商品数据，做好商品布局（2）看完店铺实时指标还要看核心指标的趋势，了解核心指标的波动情况。如图2-36所示的店铺数据一直呈波动状态，是对比法的典型应用，蓝色的先是自己和不同时期自己的数据做对比，再和同行（黄色优秀和绿色平均线）对比，发现店铺商品核心运营数据指标一直处于低级。►3洞察商品数据，做好商品布局（3）商品明细板块提供了店铺商品在昨天，近7天，近30天和指定日期内的商品访客数，商品浏览量，支付买家数，支付订单数，支付金额，支付转化率，商品收藏数以及流失损失指数等总计8个指标►3洞察商品数据，做好商品布局（4）商品榜单让店铺运营者迅速从访客数和支付金额两个维度掌控本店中的热卖商品和滞销商品，榜单数据是根据单品昨日与上周同日的差值进行排行；如果昨天是周一，跟上周一计算差值►3洞察商品数据，做好商品布局交易板块主要是分析全店交易的构成，如图所示的是交易数据页面，在交易数据板块中，主要提供了支付金额，支付买家数，支付客单价以及店铺关注用户数等5个和店铺交易相关的数据指标。►4监控交易数据，随时发现运营盲点

交易数据的实时数据板块中，增加了和昨天对比的分析，可以实时掌控今日交易动态。►4监控交易数据，随时发现运营盲点

在数据总览中的时间维度中，多了指定周，月的数据展现，通过纵向时间和自己对比，可以让运营者发现店铺运营的状态►4监控交易数据，随时发现运营盲点

服务数据板块主要展现领航员，售后数据，客服数据以及消费者体验指标四个方面的数据指标。►5时刻关注服务数据，找出店铺服务差距

（1） 领航员领航员指标分店铺领航员和商品领航员，它的作用是帮助商家了解自己当前的服务水平，知晓提升方向，不断提升自身服务能力和竞争力。店铺活跃情况决定店铺是否有领航员，活跃度太低的店铺由于信息不足将没有店铺领航员数据。店铺活跃度受店铺商品发布、成交能力影响。店铺领航员是衡量店铺综合服务能力的数据指标，包括售后服务、商品品质、物流服务、客服咨询、交易纠纷共5个维度，涉及影响消费者体验的7个指标。7个指标共同影响店铺领航员综合排名服务数据板块主要展现领航员，售后数据，客服数据以及消费者体验指标四个方面的数据指标。►5时刻关注服务数据，找出店铺服务差距

（2） 售后数据售后数据分三个板块展现数据，第一个板块是整体情况，展现当日或指定日期的纠纷退款数，纠纷退款率，介入订单数，平台介入率，品质退款率等5个数据；第二板块展现这5个数据指标的近30天趋势图；第三板块显示近30天TOP退款商品明细服务数据板块主要展现领航员，售后数据，客服数据以及消费者体验指标四个方面的数据指标。►5时刻关注服务数据，找出店铺服务差距

（3）评价数据评价数据页面展现店铺DSR值，近15天DS